發(fā)布時(shí)間：2020-11-15 16:43

【摘要】：在醫(yī)學(xué)檢驗(yàn)科,外周血細(xì)胞檢測(cè)(血常規(guī))作為一種采樣方便、檢測(cè)準(zhǔn)確的檢測(cè)方法,一直對(duì)疾病判斷有著非常重要的意義。外周血細(xì)胞檢測(cè)主要通過(guò)識(shí)別血液中各類細(xì)胞、并計(jì)算各類細(xì)胞的比例是否在正常范圍內(nèi),從而判斷被檢測(cè)者是否患有某種疾病。不同的血細(xì)胞檢查結(jié)果揭示了多種重要的血液病原理。在醫(yī)學(xué)圖像處理領(lǐng)域,隨著成像技術(shù)的極大進(jìn)步,用計(jì)算機(jī)圖形學(xué)輔助醫(yī)學(xué)診斷成為一大趨勢(shì),一方面,成像技術(shù)的發(fā)展帶來(lái)了海量的醫(yī)學(xué)數(shù)據(jù),另一方面,計(jì)算機(jī)圖形學(xué)輔助診斷可以生成血液樣本的圖像,帶來(lái)更精確、更高效的診斷結(jié)果�？傊�,如何將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用到醫(yī)學(xué)檢測(cè)上,將計(jì)算機(jī)拍出的血液樣本圖片用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行分類和計(jì)數(shù),代替醫(yī)生的手動(dòng)操作成為一個(gè)廣泛關(guān)注的熱點(diǎn)課題。本課題與南京市鼓樓醫(yī)院合作,在醫(yī)學(xué)檢驗(yàn)科采集臨床外周血細(xì)胞顯微圖像,建立外周血細(xì)胞數(shù)據(jù)集。本課題采用深度學(xué)習(xí)的方法對(duì)外周血血細(xì)胞進(jìn)行分類和計(jì)數(shù)研究。主要研究?jī)?nèi)容包括:1、在分析了外周血細(xì)胞圖像的采集難點(diǎn)后,建立了自己的血細(xì)胞數(shù)據(jù)集,這套數(shù)據(jù)集從實(shí)際入手,分類完備,比現(xiàn)有的5類白細(xì)胞數(shù)據(jù)集多出4類,為后續(xù)的分類和計(jì)數(shù)研究奠定了基礎(chǔ)。2、針對(duì)數(shù)據(jù)集類間數(shù)據(jù)量不平衡的問(wèn)題,做了數(shù)據(jù)增強(qiáng)并隨機(jī)采樣訓(xùn)練集。針對(duì)細(xì)胞類間特征差異過(guò)小的情況,設(shè)計(jì)出一種新的數(shù)據(jù)增強(qiáng)方法,加大差異間的采樣頻率,將測(cè)試準(zhǔn)確率提高至99%。3、根據(jù)紅細(xì)胞計(jì)數(shù)的研究現(xiàn)狀,從圖像處理入手,采用基于卷積神經(jīng)網(wǎng)絡(luò)的計(jì)數(shù)方法,結(jié)合特征金字塔(FPN)和深度殘差網(wǎng)絡(luò)ResNet,將紅細(xì)胞計(jì)數(shù)的準(zhǔn)確率提高至97.5%。本課題基本完成了血細(xì)胞的分類和計(jì)數(shù)工作,解決了細(xì)胞類間相似度過(guò)高引起的分類困難問(wèn)題,并且涵蓋了外周血中幾乎所有影響疾病判斷的細(xì)胞類型。該研究極大地節(jié)約了人力成本,并為后續(xù)的研究奠定了基礎(chǔ)。
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;R446.1
【圖文】：

圖１．１流式細(xì)胞計(jì)（左）細(xì)胞分析儀（右）（摘自［７４］）??ｎｒ??獲取ｉｆｉｌ液樣本??血液分折儀??Ｎｏ??——??｜?Ｙｅｓ??流式細(xì)胞計(jì)??�。伲澹�??人．１．檢測(cè)??得?ｌ?ｌ?ｉ＾ｉ?論?ｆ???圖１．２傳統(tǒng)血檢流程圖??深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研宄中的一個(gè)新領(lǐng)域，深度神經(jīng)網(wǎng)絡(luò)模型是指一個(gè)多層??連接的人工神經(jīng)元網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)能夠從觀測(cè)數(shù)據(jù)中進(jìn)行特征提取，學(xué)習(xí)數(shù)據(jù)特??征之間的復(fù)雜關(guān)系［６］。模型通常采用非線性單元，用多層結(jié)構(gòu)來(lái)表達(dá)不同層次的??特征。層數(shù)越高，表達(dá)的特征越抽象。提取的特征隨后傳遞給分類器。深度神經(jīng)??網(wǎng)絡(luò)通過(guò)觀察各種輸入數(shù)據(jù)來(lái)學(xué)習(xí)，并在分類相應(yīng)的標(biāo)簽時(shí)最小化錯(cuò)誤［７］。??在醫(yī)學(xué)圖像處理領(lǐng)域，隨著成像技術(shù)的極大進(jìn)步，用計(jì)算機(jī)圖形學(xué)輔助醫(yī)學(xué)??診斷成為一大趨勢(shì)，一方面，成像技術(shù)的發(fā)展帶來(lái)了海量的醫(yī)學(xué)數(shù)據(jù)，另一方面，??計(jì)算機(jī)圖形學(xué)輔助診斷可以生成血液樣本的圖像

在找到初始位置后，將蛇放入圖像中并執(zhí)行最小化過(guò)程。當(dāng)收斂時(shí)，??每個(gè)輪廓的內(nèi)部被視為一個(gè)白細(xì)胞。為了找到核區(qū)域，改變了能量泛函的約束條??件。在前面的步驟中，最初的蛇被選擇為細(xì)胞的輪廓。這個(gè)過(guò)程如圖１．３所示（摘??自［１７］）。我為了達(dá)到分類的目的，該算法提取了各種基于形狀和紋理的特征。??支持向量機(jī)（ＳＶＭ）分類器在大多數(shù)情況下都能獲得最佳效果。??（ａ）原始圖像?（ｂ）二值化??（ｃ）填充／裁剪?（ｄ）初始位置??（ｅ）初始輪廓?（ｆ）?Ｍ終輪廓??圖１．３分割步驟示意圖（摘自［１７］）??Ｗａｎｇ?Ｓｈｉｔｏｎｇ等［１８］提出了一種基于模糊細(xì)胞神經(jīng)網(wǎng)絡(luò)（ＦＣＮＮ）的檢測(cè)方法。??在這種檢測(cè)技術(shù)中，先對(duì)ＲＧＢ圖像的三個(gè)通道用金字塔法單獨(dú)壓縮，然后取細(xì)??胞質(zhì)的平均灰度值作為閾值，進(jìn)行二值分割，然后進(jìn)行腐蝕或膨脹。這樣可以確??定細(xì)胞核的位置。接著使用正確的窗口大小來(lái)檢測(cè)白細(xì)胞。??４??

?（聚類）?應(yīng)對(duì)環(huán)境??圖２．１機(jī)器學(xué)習(xí)分類??１、監(jiān)督學(xué)習(xí)（ｓｕｐｅｒｖｉｓｅｄ?ｌｅａｒｎｉｎｇ）??監(jiān)督學(xué)習(xí)??ＡＡ??ｘ２?ｏ?ＡＡ??〇〇??〇???？??ｘｉ??圖２．２監(jiān)督學(xué)習(xí)示意圖??監(jiān)督學(xué)習(xí)是從監(jiān)督訓(xùn)練數(shù)據(jù)中推斷函數(shù)的機(jī)器學(xué)習(xí)任務(wù)。訓(xùn)練數(shù)據(jù)由一組己??標(biāo)記的數(shù)據(jù)組成。例如，對(duì)數(shù)字的識(shí)別中，標(biāo)記“０”、“１”、“２”等；對(duì)花朵種類??的識(shí)別，標(biāo)記“玫瑰”、“月季”、“山茶”等。在訓(xùn)練數(shù)據(jù)中，每種類別的數(shù)量最好??大致相等，并且樣本數(shù)量足夠多。監(jiān)督學(xué)習(xí)算法分析訓(xùn)練數(shù)據(jù)并生成一個(gè)推斷函??１０??
【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 涂開(kāi)成;李盈祺;葉常青;;骨髓型急性放射病血細(xì)胞計(jì)數(shù)時(shí)間動(dòng)態(tài)曲線的定量分析[J];軍事醫(yī)學(xué)科學(xué)院院刊;1988年02期

2 王素欽,王秀英,趙堂富;小鼠骨髓和周圍血細(xì)胞值與鼠齡性別的關(guān)系[J];動(dòng)物學(xué)雜志;1989年06期

3 李丕鵬;何國(guó)湘;張育輝;王子浩;;大鯢的血液學(xué)觀察[J];陜西師大學(xué)報(bào)(自然科學(xué)版);1989年03期

4 昝海波;;基層醫(yī)院血細(xì)胞自動(dòng)儀使用情況的調(diào)查[J];實(shí)用醫(yī)技雜志;2006年13期

5 張文閣;劉俊杰;;血細(xì)胞計(jì)數(shù)分析用國(guó)家標(biāo)準(zhǔn)物質(zhì)的研制[J];中國(guó)粉體技術(shù);2009年06期

6 吳明瑋;曾昭蕾;孫健;郭靈;邱枋;冼勵(lì)堅(jiān);;鼻咽癌患者外周血細(xì)胞計(jì)數(shù)的晝夜節(jié)律[J];中國(guó)輸血雜志;2008年01期

7 趙根成,王玉忠;慢性肝病肝纖維化程度與周圍血細(xì)胞計(jì)數(shù)的關(guān)系[J];中原醫(yī)刊;2005年11期

8 孫大椿,阮杏珍;全自動(dòng)血細(xì)胞計(jì)數(shù)分析儀之評(píng)估[J];空軍醫(yī)高專學(xué)報(bào);1995年03期

9 張淳;湛疆;孫家忠;;甲狀腺功能減退癥患者的血細(xì)胞計(jì)數(shù)及紅細(xì)胞變化的臨床意義[J];醫(yī)學(xué)研究雜志;2015年02期

10 程大林;吳嘯天;;重慶市主城區(qū)中老年人靜脈血血細(xì)胞計(jì)數(shù)參考區(qū)間的調(diào)查分析[J];重慶醫(yī)學(xué);2014年09期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 戴春妮;高光譜顯微圖像的特征提取與分類方法及其應(yīng)用研究[D];華東師范大學(xué);2009年

2 廖庚進(jìn);肝卵圓細(xì)胞在燒傷后的增殖狀況及其對(duì)放射性多臟器傷的作用[D];昆明醫(yī)科大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 洪羽萌;外周血細(xì)胞分類與計(jì)數(shù)在深度學(xué)習(xí)中的應(yīng)用[D];南京大學(xué);2019年

2 謝登玲;低成本、自動(dòng)化血檢系統(tǒng)的搭建與研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

3 張高群;過(guò)表達(dá)jumu基因?qū)壧烊幻庖叩挠绊慬D];東北林業(yè)大學(xué);2017年

4 雷霞;基于FPGA的血細(xì)胞脈沖信號(hào)識(shí)別算法的研究與實(shí)現(xiàn)[D];浙江工業(yè)大學(xué);2011年

5 蘇凱;基于關(guān)聯(lián)規(guī)則和聚類的數(shù)據(jù)挖掘在臨床檢驗(yàn)信息系統(tǒng)中的應(yīng)用研究[D];第一軍醫(yī)大學(xué);2005年

6 尹曦;參芪扶正注射液減輕肺癌化療后副反應(yīng)的臨床觀察[D];山東中醫(yī)藥大學(xué);2011年

7 許志偉;自動(dòng)血細(xì)胞計(jì)數(shù)器技術(shù)的研究[D];中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院;2004年

8 丁翠;CXCR4在再生障礙性貧血患者骨髓細(xì)胞中的表達(dá)及其與外周血細(xì)胞的關(guān)系[D];山西醫(yī)科大學(xué);2017年

9 張志龍;飼用復(fù)合酶制劑對(duì)肉雞生產(chǎn)性能影響的研究[D];湖南農(nóng)業(yè)大學(xué);2006年

本文編號(hào)：2884975